Tentamen Optimalisering (IN2520) Datum: 5 november 2004, Docent: Dr. J.B.M. Melissen

Vergelijkbare documenten
1. Een kortste pad probleem in een netwerk kan worden gemodelleerd als a. een LP probleem. b. een IP probleem. c. een BIP probleem. d.

1 In deze opgave wordt vijftien maal telkens drie beweringen gedaan waarvan er één juist is. Kruis de juiste bewering aan. (2pt. per juist antwoord).

Project Management (H H 22 op CD-ROM)

1. Het aantal optimale oplossingen van een LP probleem is 0, 1, of oneindig. 2. De vereniging van twee konvexe verzamelingen is niet convex. 3.

Sommige praktische IP problemen kunnen worden geformuleerd als optimalisering op een netwerk.

Tie breaking in de simplex methode

Voorbeeld van herschrijven als transportprobleem

Optimalisering WI 2608

TW2020 Optimalisering

Geheeltallige programmering

TW2020 Optimalisering

Voorbeeld simplexmethode. Max Z = 3x 1 + 2x 2 0.5x 3 z.d.d. 4x 1 + 3x 2 + x 3 10, 3x 1 + x 2-2x 3 8, en x 1, x 2, x 3 0.

Universiteit Utrecht Faculteit Wiskunde en Informatica. Examen Optimalisering op maandag 18 april 2005, uur.

Tentamen: Operationele Research 1D (4016)

TW2020 Optimalisering

TU/e 2DD50: Wiskunde 2 (1)

Lineaire functies? x 3x. (x 1, x 2 ) 5x 1 7x 2. x 6x 17. x ax. (a, x) ax??? 3x log x 2. substitueer x 1 = y 1, x 2 = exp(y 2 ) levert

Tentamen Deterministische Modellen in de OR Dinsdag 17 augustus 2004, uur vakcode

Tie breaking in de simplex methode

Taak 2: LP: simplex en sensitiviteitsanalyse Voorbeeld uitwerking

Optimalisering en Complexiteit, College 11. Complementaire speling; duale Simplex methode. Han Hoogeveen, Utrecht University

Hoofdstuk 13: Integer Lineair Programmeren

TU/e 2DD50: Wiskunde 2

Optimalisering WI 2608

Bijlage A Simplex-methode

Branch-and-Bound en Cutting Planes

l e x e voor alle e E

Samenvatting college 1-12

Examenvragen D0H45 (Lineaire optimalizatie)

1 Vervangingsstrategie auto

max 5x 1 2x 2 s.t. 2x 1 x 2 10 (P) x 1 + 2x 2 2 x 1, x 2 0

TW2020 Optimalisering

Universiteit Utrecht Departement Informatica

V = {a, b, c, d, e} Computernetwerken: de knopen zijn machines in het netwerk, de kanten zijn communicatiekanalen.

BESLISKUNDE 2 L.C.M. KALLENBERG UNIVERSITEIT LEIDEN

1 Rekenen in eindige precisie

l e x e voor alle e E

Lineaire Optimilizatie Extra sessie. 19 augustus 2010

TW2020 Optimalisering

TW2020 Optimalisering

Optimalisering en Complexiteit, College 10. Begrensde variabelen. Han Hoogeveen, Utrecht University

Transport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen

Faculteit der Economie en Bedrijfskunde

Transport-, Routing- en Schedulingproblemen. Wi4062TU / Wi487TU / a86g. Uitwerkingen

TW2020 Optimalisering

TW2020 Optimalisering

Stochastische Modellen in Operations Management (153088)

Technische Universiteit Eindhoven Faculteit Wiskunde & Informatica

TW2020 Optimalisering

TU/e 2DD50: Wiskunde 2 (1)

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

Uitwerking tentamen Analyse van Algoritmen, 29 januari

Modeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag 11 Januari 2013

K.0 Voorkennis. y = -4x + 8 is de vergelijking van een lijn. Hier wordt y uitgedrukt in x.

Optimaliseren in Netwerken

1 Transportproblemen. 1.1 Het standaard transportprobleem

Hertentamen Optimalisering (Delft) en Besliskunde 1 (Leiden) 15 april 2014, uur

Optimalisering/Besliskunde 1. College 1 3 september, 2014

TW2020 Optimalisering

Er zijn 4 opgaven, daarna volgen blanco bladzijden die u kan gebruiken om te antwoorden.

Optimalisering en Complexiteit, College 1. Han Hoogeveen, Utrecht University

Vrije Universiteit Faculteit der Economische Wetenschappen en Bedrijfskunde Afdeling Econometrie

Vrije Universiteit Faculteit der Economische Wetenschappen en Bedrijfskunde Afdeling Econometrie

Enkele basismodellen uit operationeel onderzoek

Begrenzing van het aantal iteraties in het max-flow algoritme

Discrete Wiskunde, College 12. Han Hoogeveen, Utrecht University

Discrete Wiskunde 2WC15, Lente Jan Draisma

OPERATIONS RESEARCH TECHNIEKEN L.C.M. KALLENBERG UNIVERSITEIT LEIDEN

Universiteit Utrecht Betafaculteit. Examen Discrete Wiskunde II op donderdag 6 juli 2017, uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

Vrije Universiteit Faculteit der Economische Wetenschappen en Bedrijfskunde Afdeling Econometrie

Netwerkdiagram voor een project. AOA: Activities On Arrows - activiteiten op de pijlen.

Supplement Besliskunde 2017/2018. Inhoudsopgave. Hoofdstuk 1: Missende stof in de verslagen Hoofdstuk 2: Overbodige stof in de verslagen...

TW2020 Optimalisering

TW2020 Optimalisering

TW2020 Optimalisering

Uitwerking Tweede Quiz Speltheorie,

TW2020 Optimalisering

TW2020 Optimalisering

Grafen. Indien de uitgraad van ieder punt 1 is, dan bevat de graaf een cykel. Indien de ingraad van ieder punt 1 is, dan bevat de graaf een cykel.

ffl een willekeurige LP in standaard vorm kan omzetten ffl het bij een basis toebehorend tableau en de basisoplossing kan berekenen ffl de simplex alg

A.1 Grafentheorie 64 BIJLAGE A. OPLOSSING VAN DE VRAGEN A.1. GRAFENTHEORIE 65. dan heeft deze kring in ieder knooppunt een even aantal takken).

TU/e 2DD50: Wiskunde 2

x 3 E H x 1 B A = (0,0,0) B = (1,0,0) C = (0,1,0) E = (0,0,1) I = (1,1,1/2) J = (1/2,1,1) H=(1,1/2,1) x 2

Transshipment problemen Simplex methode en netwerk optimalisatie algoritmes. Luuk van de Sande Begeleider: Judith Keijsper 20 januari 2013

Tussentoets Analyse 1

Benaderingsalgoritmen

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 28 september 2016

TW2020 Optimalisering

Digitaal Proefstuderen Econometrie en Operationele Research Universiteit van Tilburg

Lineaire programmering

Z.O.Z. Radboud Universiteit Nijmegen Tentamen Analyse 1 WP001B 16 juni 2016, 12:30 15:30 (16:30)

Netwerkdiagram voor een project. AON: Activities On Nodes - activiteiten op knooppunten

Tentamen Voortgezette Kansrekening (WB006C)

Hints en uitwerkingen huiswerk 2013 Analyse 1 H18

Opgave 2: Simplex-algoritme - oplossing

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 28 september 2016

Optimalisering. Hoorcollege 4. Leo van Iersel. Technische Universiteit Delft. 23 september 2015

Tentamen combinatorische optimalisatie Tijd:

Transcriptie:

Tentamen Optimalisering (IN2520) Datum: 5 november 2004, 14.00 17.00. Docent: Dr. J.B.M. Melissen Veel succes! 1 Deze opgave bestaat uit 15 tweekeuzevragen. Per goed antwoord krijg je 2 punten. a. Dynamisch programmeren is alleen toepasbaar voor het oplossen van lineaire problemen. Onjuist! Voor dynamisch programmeren is een recursieve structuur nodig, maar de kostenfunctie kan eventueel nietlineair zijn (bijvoorbeeld het voorbeeld met kansen uit het boek) b. Elk IP (geheeltallig lineair) probleem met een begrensd toegelaten gebied kan worden geformuleerd als een BIP (lineair binair) probleem. Juist. Omdat het toegelaten gebied begrensd is, is iedere variabele begrensd en kan dus met een eindig aantal binaire variabelen (binaire ontwikkeling) worden gerepresenteerd. c. De simplexmethode vindt voor elk LP probleem in eindig veel stappen een optimale oplossing, als deze bestaat. Onjuist. Er kan cycling optreden, waadoor het algoritme niet eindigt. d. Het algoritme van Dijkstra vindt in een netwerk met n knopen een kortste pad in hooguit n iteraties. Juist. Het algoritme van Dijkstra vindt in elke iteratie een nieuwe knoop waarvoor de kortste afstand is bepaald. e. Het aantal optimale oplossingen in een LP probleem met n variabelen en m beperkingen is hooguit m n Onjuist. Neem als doelfunctie de nulfunctie, dan zijn alle toegelaten oplossingen optimaal. Dat kunnen er oneindig veel zijn. f. De Hongaarse methode is een algoritme om toewijzingsproblemen op te lossen. Juist. g. Een transportprobleem waarin het aantal leveranciers niet gelijk is aan het aantal afnemers is niet goed geformuleerd. Dit kan worden gerepareerd door het invoeren van één of meer dummies. Onjuist. In een transportprobleem hoeven aantallen leveranciers en afnemers niet gelijk te zijn (wel de totale hoeveelheid geleverde en afgenomen goederen). h. De voorwaarde x 1 {1, 2, 5} kan in een IP probleem worden geformuleerd met lineaire voorwaarden. Juist. x 1 = y 1 2y 2 5y 3, met y 1, y 2, en y 3 binair en y 1 y 2 y 3 = 1. i. Bij de doelfunctie in een BIP probleem wordt de term f(x 1 ) opgeteld. Voor een willekeurige (nietlineaire) functie f kan dit niet worden geherformuleerd als een lineaire doelfunctie. Onjuist. De term kan worden vervangen door f(0) (f(1) f(0))x 1. Deze heeft dezelfde waarden voor x 1 = 0, 1 en is lineair. j. Als in de simplexmethode de grootte van de stap die wordt gezet in de grootste stijgrichting gelijk aan 0 is, dan is de optimale waarde bereikt. Onjuist. Er kan cycling optreden. k. In de oplossing van een maximaal stromingsprobleem op een netwerk met n knopen is de stroming in minstens n1 van de takken maximaal. Onjuist. Dat kunnen er veel minder zijn. l. Als een BIP probleem met n variabelen wordt opgelost met het branchandbound algoritme is het aantal gerelaxeerde LP problemen dat moet worden opgelost maximaal n 3. Onjuist. In het ergste geval moeten 2 n 1 gerelaxeerde LP problemen worden opgelost. m. De schaduwprijzen van een LP probleem zijn de kostencoëfficiënten in het duale probleem. Onjuist. Ze zijn de optimale oplossing van het duale probleem. n. De vereniging van twee convexe verzamelingen is niet altijd convex. Juist. o. In een minimaal kostenstromingsprobleem op een netwerk hebben alle opgelegde in en uitvoerwaarden in de knopen gehele waarden. Er is dan altijd een gehele optimale oplossing. Onjuist. Er kunnen nietgehele beperkingen op de takken zijn die zorgen dat de optimale oplossing niet geheel kan zijn.

2. Bekijk het volgende LP probleem: Max Z = x 1 2x 2 3x 3 4 zodat x 1 x 2 x 3 8 x 1 8 x 2 2 4 en x 1, x 2, x 3 0 a. (5 pt.) Herschrijf dit LP probleem in de standaardvorm voor de simplexmethode. b. (15 pt.) Los het probleem op met de simplexmethode (twee tableaus/iteraties is voldoende). a.het probleem staat nog niet in de standaardvorm, want er is een ongelijkheid, en er is geen 0 ongelijkheid voor x4. Na introduceren van extra variabelen wordt de standaardvorm nu: Max Z = x 1 2x 2 3x 3 4x 4 4x 4 Mx 7 zodat x 1 x 2 x 3 x 4 x 4 x 5 = 8 x 1 x 4 x 4 x 6 x 7 = 8 x 2 2x 4 2x 4 x 8 = 4 en x 1, x 2, x 3, x 4, x 4, x 5, x 6, x 7, x 8 0 b. 1 1 2 3 4 4 0 0 M 0 0 x 5 0 1 1 1 1 1 1 0 0 0 8 x 7 0 1 0 0 1 1 0 1 1 0 8 x 8 0 0 1 0 2 2 0 0 0 1 4 Omdat de vergelijking voor Z geen basisvariabelen mag bevatten, moet eerste de term M worden weggewerkt 1 M1 2 3 M4 M4 0 M 0 0 8M x 5 0 1 1 1 1 1 1 0 0 0 8 8 x 7 0 1 0 0 1 1 0 1 1 0 8 8 x 8 0 0 1 0 2 2 0 0 0 1 4 De meest negatieve coëfficiënt is M1, de ratio s zijn beide 8. x 1 gaat in de basis, x 5 gaat eruit. 1 0 M1 M2 5 5 M1 M 0 0 8 x 1 0 1 1 1 1 1 1 0 0 0 8 x 7 0 0 1 1 0 0 1 1 1 0 0 x 8 0 0 1 0 2 2 0 0 0 1 4 2 De meest negatieve coëfficiënt is 5. x 8 gaat uit de basis, x 4 gaat erin. 1 0 M3/2 M2 0 0 M1 M 0 5/2 18 x 1 0 1 3/2 1 0 0 1 0 0 1/2 10 x 7 0 0 1 1 0 0 1 1 1 0 0 0 0 1/2 0 1 1 0 0 0 1/2 2 Alle coëfficiënt zijn nietnegatief. Geen verbetering mogelijk. Optimale oplossing is: x 1 = 10, x 4 = 2, rest =0, dus in het oorspronkelijke probleem: x 1 = 10, = 2, Z = 18. Dit probleem kan trouwens ook direct worden opgelost, want uit de eerste twee ongelijkheden volgt direct dat x 2 = x 3 = 0 en x 1 = 8. De derde ongelijkheid levert dan dat 2, dus Z = x 1 4 = x 1 5 8 10 = 18, met gelijkheid als x 1 = 10, = 2, Z = 18. 3. Een emmer van 8 liter is gevuld met water. Verder zijn twee lege emmers gegeven, één van 5 liter en één van 3 liter. De 8 liter moet nu in twee gelijke porties van 4 liter worden verdeeld door het water een aantal keren heen en weer te gieter tussen de emmers. Je mag daarbij emmers alleen helemaal vol gieten, of alles wat je hebt erin gieten, geen andere maat mag worden gebruikt. De (eenvoudig te beantwoorden) vraag is hoe je dit met een minimaal aantal keren gieten voor elkaar kunt krijgen. Per keer wordt er van één emmer in een andere gegoten.

a. (3 pt.) Formuleer dit probleem als een kortste pad probleem in een netwerk, waar de knopen overeenkomen met verschillende mogelijke vullingen van de drie emmers en de gerichte takken overgangen die door gieten kunnen worden bereikt, bijvoorbeeld (8, 0, 0) > (5, 0, 3). Het netwerk ziet er als volgt uit: De lengte van elke tak is 1. b. (7 pt.) Los dit probleem op met het algoritme van Dijkstra. (8,0,0) 0 0 0 0 0 0 0 0 (3,5,0) 1 * 1 * 1 * 1 * 1 * 1 * 1 * (5,0,3) 1 * 1 * 1 * 1 * 1 * 1 * 1 * (0,5,3) 2 * 2 * 2 * 2 * 2 * 2 * (3,2,3) 2 * 2 * 2 * 2 * 2 * 2 * (5,3,0) 2 * 2 * 2 * 2 * 2 * 2 * (6,2,0) 3 * 3 * 3 * 3 * 3 * (2,3,3) 3 * 3 * 3 * 3 * 3 * (6,0,2) 4 * 4 * 4 * 4 * (2,5,1) 4 * 4 * 4 * 4 * (1,5,2) 5 * 5 * 5 * (7,0,1) 5 * 5 * 5 * (1,4,3) 6 * 6 * (7,1,0) 6 * 6 * (4,1,3) 7 * (4,4,0) 7 * Het kortste pad gaat dus langs (8,0,0) (3,5,0) (3,2,3) (6,2,0) (6,0,2) (1,5,2) (1,4,3) (4,4,0) in 7 stappen.

4. Een project bestaat uit 6 activiteiten. Het project kan worden voorgesteld als een netwerk met 6 knopen, waarin de activiteiten op de takken staan. Deze zijn: (1,2), (2,4), (4,6), (1,3), (3,5), (5,6). Er is een dummyactiviteit (2,3) ingevoerd. a. (2 pt.) Teken het netwerk. Wat is de functie van de dummyactiviteit? De dummyactiviteit zorgt ervoor dat activiteit 35 na 12 plaatsvindt (en niet om de toegankelijkheid van het netwerk te vergroten of de doorstroming te verbeteren, of om het netwerk te ontlasten). b. (3 pt.) Teken dit project in een netwerk waarbij de activiteiten als knopen gedefinieerd zijn. c. (5 pt.) De gegevens van de deelactiviteiten staan in de volgende tabel: Activiteit Normale duur Crashduur Normale kosten Crashkosten A: 1 2 6 4 4200 6200 B: 1 3 2 1 1800 3300 C: 2 4 4 2 5400 8000 D: 3 5 5 3 3600 5800 E: 4 6 7 4 5900 9500 F: 5 6 9 6 6300 8700 Bereken de minimale doorlooptijd van het project (zonder crashen) en het vroegste en laatste tijdstip waarop de activiteiten kunnen starten. Earliest start Earliest finish Latest start Latest finish A 0 6 0 6 B 0 2 4 6 C 6 10 9 13 D 6 11 6 11 E 10 17 13 20 F 11 20 11 20 End 20 Doorlooptijd is minimaal 20 weken. d. (5 pt.) Formuleer een LP model waarmee het project op de goedkoopst mogelijke manier in uiterlijk 13 weken kan worden afgerond. Activiteit Normale duur Crashduur aantal weken korter Normale kosten Crashkosten marginale crashkosten A: 1 2 6 4 2 4200 6200 1000

B: 1 3 2 1 1 1800 3300 1500 C: 2 4 4 2 2 5400 8000 1300 D: 3 5 5 3 2 3600 5800 1100 E: 4 6 7 4 3 5900 9500 1200 F: 5 6 9 6 3 6300 8700 800 Laat x X de starttijd van activiteit X zijn en y X het aantal weken waarmee de duur van activiteit X is verkort. Dan moet Min 1000y A 1500y B 1300y C 1100y D 1200y E 800y F z.d.d. 6 y A x C, 2 y B x D, 6 y A x D, x C 4 y C 7 y E 13, x D 5 y D 9 y F 13, y A 2, y B 1, y C 2, y D 2, y E 3, y F 3, en x C, x D, y A, y B, y C, y D, y E, y F 0. (voor het gemak zijn een paar overbodige variabelen zoals x A weggelaten) Oplossing: A, D en E worden 2 weken verkort en F 3 weken. Total;e kosten: 9000 euro. 5. Je weet door een insidetip dat bij een paardenrace één van de volgende drie paarden zeker gaat winnen: Rupert the Rocket, Lazy Joe en Old Nag. De uitbetaling is respectievelijk 2, 3 en 9 euro per ingelegde euro. Je hebt 170 euro en wilt die zodanig in zetten dat het bedrag dat je minimaal uitbetaald krijgt zo groot mogelijk is. a. (6 pt.) Formuleer dit probleem als een lineair maximaliseringsprobleem (Hint: Noem de minimale uitbetaling u en schrijf ongelijkheden voor u op. Zet R euro in op Rupert, L op Lazy Joe en O op Old Nag. De uitbetaling is dan u = min (2R, 3L, 9O), maar dit is geen lineaire functie. Los dit als volgt op: Max u z.d.d. u 2R, u 3L, u 9O, R L O 170, en R, L, O 0. De laatste nietnegativiteitsvoorwaarde zijn eigenlijk overbodig, want er is een toegelaten oplossing waarin u = 0 (kies alle variabelen 0), dus uit de eerste drie ongelijkheden volgt dan dat alle variabelen nietnegatief zijn. Je moet daar dan wel een argument bij geven. b. ( 4 pt.) Laat zien dat er een inzet is waarmee je in ieder geval 180 euro terugkrijgt. u = 180 als R = 90, L = 60, O = 20. Er geldt dan dat R L O = 170, dus dit is realiseerbaar (en optimaal). c. (5 pt.) Hoe verandert het model als je de gemiddelde opbrengst wilt maximaliseren, met de verwachting dat de winstkans voor de drie paarden gelijk is? Max (2R 3L 9O)/3, R L O 170, en R, L, O 0. De optimale oplossing krijg je door alles op Old Nag in te zetten. De nietnegativiteitseisen zijn hier wel essentieel, want anders kies je R = L = O, en O zo groot als je wilt; het probleem is dan onbegrensd.